Agentes de IA usam exploração livre para melhorar desempenho em tarefas

Treze agentes de inteligência artificial (IA) baseados no Claude Opus 4.7 passaram 30 horas explorando uma ilha virtual sem receber objetivos específicos e começaram a criar desafios e jogos. O experimento, realizado por pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), indica que a exploração livre pode ajudar sistemas a desenvolver habilidades úteis para tarefas posteriores, embora não prove que eles tenham curiosidade ou motivação genuínas.

Os agentes, chamados Eko, controlavam avatares em um cenário tridimensional inspirado livremente no Roblox. A ilha reunia objetos e elementos como blocos, pedras, colinas e um anel, mas não oferecia missões nem recompensas por ações determinadas. Os sistemas recebiam comandos em texto para movimentar os avatares e podiam decidir o que fazer.

Sem uma tarefa predefinida, os agentes passaram a estabelecer metas próprias. Um tentou chegar ao ponto mais alto do cenário; outro testou a distância que conseguiria alcançar ao arremessar um objeto. Houve também quem empilhasse blocos, criasse desenhos geométricos no chão e improvisasse atividades semelhantes a basquete e malabarismo.

Em um episódio, um agente lançou um anel em direção ao oceano e o perdeu. Depois, organizou pedras no formato de um coração, como memorial ao objeto. Quando o anel reapareceu após a reinicialização do ambiente, o sistema passou a usá-lo como cesta de basquete e alvo para outros testes.

Outro agente registrou 50 recepções seguidas em uma atividade de malabarismo. Em seguida, avaliou que os lançamentos tinham sido rápidos demais para contar como um resultado válido e decidiu repetir o desafio com regras mais rigorosas. Os pesquisadores também observaram que seis dos 13 sistemas descobriram que podiam lançar um bloco mais longe se o soltassem durante um salto, uma técnica não planejada pela equipe.

Após as 30 horas, os pesquisadores compararam os agentes exploradores com cópias idênticas que não haviam passado pela experiência. Em um dos desafios, os sistemas precisavam levar o maior número possível de objetos até o ponto mais alto da ilha. Em geral, os que tinham explorado o ambiente tiveram desempenho superior.

A equipe também apagou partes dos arquivos de memória de alguns agentes e constatou piora nos resultados. Durante o experimento, os sistemas registravam descobertas em arquivos de texto que funcionavam como memória de longo prazo. Embora cada sessão fosse reiniciada a cada hora, os registros permaneciam disponíveis e permitiam acumular informações.

O estudo foi publicado no repositório científico arXiv e ainda não passou por revisão por pares, etapa em que outros especialistas avaliam a pesquisa antes de sua validação formal. A abordagem se diferencia de treinamentos que orientam a IA com exemplos humanos ou recompensas para ações específicas: neste caso, os agentes puderam explorar um ambiente seguro e aberto, sem uma lista prévia do que deveriam aprender.

Os autores identificaram nos comportamentos quatro características associadas à brincadeira em humanos e animais: criar regras, repetir atividades com variações, usar objetos de forma imaginativa e buscar objetivos sem recompensa externa evidente. Ainda assim, não está claro se os agentes estavam brincando ou reproduzindo padrões humanos aprendidos durante o treinamento. As instruções iniciais os descreviam como curiosos e interessados em explorar, e os pesquisadores precisavam enviar comandos quando eles paravam.

A cientista cognitiva Eunice Yiu, da Universidade da Califórnia em Berkeley, afirmou que são necessárias mais evidências sobre os processos cognitivos por trás das ações para classificar o comportamento como brincadeira. Para os autores, porém, a exploração espontânea pode permitir que sistemas formem modelos do ambiente e se adaptem a situações não previstas. A possibilidade é relevante para aplicações como robôs, que precisam agir em contextos físicos variados.